关于Vis-NIR光谱和机器学习实时检测SARS-CoV-2的可行性
Bruno Fonseca Oliveira Coelho1, Sávio Luiz Pereira Nunes1, Chirles Araújo de França1
1Federal University of Sao Francisco Valley (Univasf), Petrolina, Pernambuco, Brazil.
Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
|December 8, 2023
概括
这项研究使用可见和近红外 (Vis-NIR) 光谱与机器学习来检测SARS-CoV-2,导致COVID-19的病毒. 这种新方法显示出作为一种快速,低成本的替代方法来识别病毒的希望.
科学领域:
- 生物医学工程 生物医学工程
- 频谱学是一种光谱学.
- 机器学习 机器学习
背景情况:
- COVID-19仍然是一个全球性的健康问题,需要快速准确的诊断工具.
- 目前的RT-PCR测试虽然准确,但成本高,耗时长.
- 需要更快,更实惠的方法来识别SARS-CoV-2感染.
研究的目的:
- 评估使用Vis-NIR光谱学与机器学习结合用于SARS-CoV-2检测的可行性.
- 为COVID-19开发一种快速,具有成本效益的诊断方法.
主要方法:
- 收集了来自314个鼻口腔拭子样本的光谱数据 (42个对SARS-CoV-2阳性,272个对SARS-CoV-2阴性).
- 应用数字信号处理 (萨维茨基-戈莱过器) 用于数据的精细化.
- 使用监督机器学习算法 (SVM,随机森林,天真贝叶斯) 来进行样本分类.
- 采用5倍交叉验证来评估模型性能.
主要成果:
- 在识别SARS-CoV-2阳性样本时,获得了75%的准确性,80%的敏感性和70%的特异性.
- 获得了0.81.81的ROC曲线下的面积 (AUC).
- 展示了开发的方法论在分类样本中的潜力.
结论:
- 与机器学习相结合的Vis-NIR光谱学为SARS-CoV-2识别提供了一个有前途的技术.
- 该方法为传统诊断方法提供了一个潜在的更快,更经济的替代方案.
- 进一步的研究可以优化这种方法,以便广泛的临床应用.
